使用克里金法或最近邻法进行空间插值？答案

【问题标题】：Spatial interpolation with kriging or nearest neighbor method?使用克里金法或最近邻法进行空间插值？
【发布时间】：2020-03-12 19:59:27
【问题描述】：

这是一个关于数据插值的悬而未决的问题。

我的起点是几百个不均匀分布的 XYZ 点，即点云。

我想使用克里金法将 Z 值赋予由

定义的区域中的点

gridx = np.arange(0.0,300,20)

和

gridy = np.arange(0.0,300,20)

我希望能够根据需要平滑曲线。我过去在 ArcGIS 中与最近的邻居取得了成功，但我确信在 python 中也有一种方法可以做到这一点。我曾尝试使用 PyKrige，但发现我无法调整太多，并且斜率突然恢复到平均 Z 值。

最好的问候，

菲尔

【问题讨论】：

【解决方案1】：

您可以使用scikit-learn，其中包含 DACE 的 python 版本，这是最初在 Matlab 中实现的流行克里金算法。

还有很多其他算法可用于回归/插值、聚类等。

【讨论】：

【解决方案2】：

一些库会自动优化参数，但最好了解物理问题的属性。在 Python 中，我展示了一个使用OpenTURNS 平台的二维here 示例。

【讨论】：